electricsheepeurope/europe-ilo-emp-xtru-sex-age-geo-nb-time-related-underemployment-by-sex-age-and-rural

该数据集是一个关于欧洲“时间相关就业不足”的表格型数据集，由国际劳工组织（ILO）的ILOSTAT数据库提供，并经Electric Sheep Europe重新打包。它包含48,925个观测值，覆盖34个欧洲国家（如法国、奥地利、葡萄牙等），时间跨度为1998年至2025年。数据集核心指标为“EMP_XTRU_SEX_AGE_GEO_NB”，即按性别、年龄和农村/城市地区划分的时间相关就业不足人数（以千计）。数据通过ILOSTAT REST API获取，并根据ILO的统计标准进行协调，包括来源标记（如劳动力调查）。模式包括国家代码、指标、性别分类、年龄分类、观测年份、观测值等列，支持表格分类、回归和时间序列预测任务。数据为年度频率，并提供了数据质量说明（如使用最佳来源、分类列非空条件）。数据集以CC-BY-4.0许可证发布，适用于劳动市场分析和机器学习研究。This tabular dataset focuses on European time-related underemployment. It is sourced from the ILOSTAT database of the International Labour Organization (ILO) and repackaged by Electric Sheep Europe. The dataset contains 48,925 observations across 34 European countries (e.g., France, Austria, Portugal), spanning the period from 1998 to 2025. The core indicator of this dataset is "EMP_XTRU_SEX_AGE_GEO_NB", which denotes the number of people experiencing time-related underemployment (in thousands), categorized by gender, age group, and rural/urban area. The data was acquired via the ILOSTAT REST API and harmonized in line with ILO statistical standards, including source attribution such as labor force surveys. The dataset's schema includes columns such as country code, indicator, gender category, age category, observation year, and observed value, enabling tasks including tabular classification, regression, and time series forecasting. The data is collected at an annual frequency, with accompanying data quality notes provided, such as the use of optimal data sources and non-null constraints for categorical columns. This dataset is released under the CC-BY-4.0 license, and is suitable for labor market analysis and machine learning research.

搜集汇总

数据集介绍

构建方式

在国际劳工统计标准框架下，该数据集依托ILOSTAT中央统计数据库，通过REST API直接提取指标EMP_XTRU_SEX_AGE_GEO_NB的原始数据，并依据ISO3国家代码筛选欧洲区域记录。原始调查微数据经国际劳工组织统计局按照国际劳工统计学家会议定义进行标准化调和，每一观测值均标注来源与质量属性。经Electric Sheep Europe重新封装为Parquet格式，最终形成涵盖三十四国、时间跨度自一九九八年至二零二五年的四万八千九百二十五条观测记录。

使用方法

研究者可借助HuggingFace数据集库以一行代码加载数据并转换为Pandas数据框，进而实施国别筛选、时序排序或透视表重构。典型操作包括按参考区域提取单一国家子集、对特定指标绘制时间序列图，以及构建时间与国家的二维矩阵以便比较分析。加载后可直接应用表格分类、回归或时间序列预测任务，亦可结合观察状态标签进行数据质量过滤。

背景与挑战

背景概述

国际劳工组织（ILO）自1919年成立以来，始终致力于全球劳动统计的标准化与传播，其ILOSTAT数据库是劳动统计领域的权威来源。时间相关就业不足作为衡量劳动力未充分使用的关键指标，长期受到学术与政策界的关注。2025年，ILO通过其统计部门整合各国劳动力调查数据，经Electric Sheep Europe重新封装发布本数据集，涵盖1998至2025年间34个欧洲国家的48,925条观测记录。该数据集为探究性别、年龄及城乡差异下的就业不足动态提供了翔实基础，对监测可持续发展目标、评估劳动力市场政策具有重要实证价值。

当前挑战

本数据集旨在刻画时间相关就业不足的多维特征，其领域挑战在于如何精确定义并跨国可比地测量就业不足，尤其需调和各国劳动力调查在问卷设计、参考期及统计口径上的异质性。构建过程中，ILO依赖各国自愿提交的微观数据，部分国家数据缺失或年份不连续，导致面板不平衡；城乡分类在部分国家不可得，限制了细分分析。此外，观测状态标志的不统一及方法修订带来的序列断裂，为时间序列建模与因果推断带来额外困难，要求研究者审慎处理数据质量问题。

常用场景

经典使用场景

在国际劳动统计学的分析框架中，该数据集最为经典的应用场景在于刻画欧洲劳动力市场中与时间相关的就业不足现象。研究者借助其按性别、年龄组及城乡地域交叉分类的年度观测值，能够系统性地追踪1998至2025年间34个欧洲国家在非自愿性兼职与工时不足层面的动态演变。依托面板数据结构，学者可开展跨国比较、时间序列分解与收敛性检验，揭示性别差异与年龄分层如何塑造就业不足的异质性图景，从而为劳动市场弹性化与不充分就业的理论探讨提供扎实的实证基础。

解决学术问题

该数据集有效回应了劳动经济学中关于就业不足测量标准化与跨国可比性的长期难题。通过ILOSTAT的统一协调方法与ICLS定义，它消解了各国劳动力调查在指标口径与抽样设计上的异质性，使研究者得以在一致的分类体系下检验性别与年龄对工时不足的差异化影响。其意义在于将原本零散、难以整合的国别统计转化为可复现的纵向面板，为就业质量评估、劳动力利用不足的成因识别以及社会政策效应的跨国比较提供了严谨的数据支撑，推动了劳动统计研究的规范化与透明化。

实际应用

在实际应用层面，该数据集为政府劳工部门、国际组织及智库机构提供了监测欧洲就业不足态势的量化工具。政策分析师可据此评估青年与女性群体在城乡不同区域面临的工时不足风险，辅助设计针对性的就业促进与社会保障干预措施。同时，企业人力资源研究与劳动力市场咨询亦可利用其预测区域用工需求波动，优化灵活用工策略。凭借HuggingFace的标准化加载接口，数据科学家能够便捷地将其纳入自动化仪表盘或预警系统，实现从数据到决策的快速转化。

数据集最近研究

最新研究方向

在全球劳动力市场结构性转型与后疫情时代就业质量重构的背景下，劳动时间相关不充分就业（time-related underemployment）日益成为衡量劳动力利用效率与体面劳动实现程度的关键指标。该数据集依托ILOSTAT权威统计框架，涵盖34个欧洲国家1998至2025年间近4.9万条观测，按性别、年龄及城乡地域精细分层，为前沿研究提供了独特的高分辨率面板数据基础。当前相关研究前沿聚焦于运用时间序列预测与机器学习方法，揭示经济周期波动、数字化转型及绿色就业政策对不充分就业的异质性冲击，尤其关注性别鸿沟与城乡劳动市场分化在危机时期的动态演变。该数据集亦支撑联合国可持续发展目标（SDG 8）中体面劳动议程的监测与评估，为欧洲劳动力市场政策的精准干预与跨国比较研究提供了坚实的实证依据。